Samael
Τιμώμενο Μέλος
Ο Samael αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Φοιτητής του τμήματος Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών ΠΑΔΑ και μας γράφει απο Πειραιάς (Αττική). Έχει γράψει 10,262 μηνύματα.
10-05-20
01:13
Τα οικονομικά είναι κάπως διαφορετικη περίπτωση γιατί έχουν σαφή επαγγελματικά δικαιώματα δε βγάζεις ισολογισμούς χωρίς πτυχίο, ή τουλάχιστον αυτή την εντύπωση έχω. Στην πληροφορική αν περάσεις το interview είσαι τουλάχιστον για την εταιρεία, αυτό που λέει πως ψάχνει ό,τι κι αν τέλειωσες. Το πτυχίο δεν θα σου δώσει παραπάνω αρμοδιότητες, δεν είναι πως χωρίς μεταπτυχιακό δεν ανεβαίνεις θέση πχ, οι ευθύνες πάνε μαζί με managerial skills και προϋπηρεσία όχι με τις τεχνικές γνώσεις. Τα χαρτιά μετράνε ίσως για αρκετά υψηλές θέσεις από directors και πάνω κι αυτό γίνεται κυρίως για λόγους PR, δε λέει να χεις CTO χωρίς εκτενείς σπουδές πχ, αλλά μεταξύ μας όσοι είμαστε στο industry ξέρουμε πως στην πλειονότητά τους αυτά είναι λίγο για το θεαθήναι.
Τα μεταπτυχιακά γενικά εξυπηρετούν πάντα κάποιον σκοπό δε σου δίνουν mastery ούτε κάνουν box ticking υπάρχουν για να σε βοηθήσουν να εξειδικευτείς και σε πολλές περιπτώσεις να βρεις δουλειά σε εάν συγκεκριμένο κλάδο. Ούτε είναι άσπρο μαύρο ούτε αξιολογούνται όλα με τον ίδιο τρόπο. Όπως υπάρχουν καλοί, μέτριοι και κακοί data scientists με ή χωρίς μεταπτυχιακό έτσι και ο καλός επαγγελματιας ό,τι ρόλο κι αν βαράει από τον καθένα αξιολογείται διαφορετικά. Όπως καλός πληροφορικάριος για παράδειγμα για κάποιον είναι αυτός που έχει καλές θεωρητικές γνώσεις, για κάποιον άλλο αυτός που είναι αποτελεσματικός στο execution και νιώθει να κινήσει νήματα και να μιλήσει με κόσμο για κάποιον αυτός που είναι ενημερωμένος με τις τάσεις του industry και τις καλές πρακτικές (συνήθως τα 2 τελευταία), τώρα core ξε-core skills... όλα κάποια στιγμή καταλήγουν απλά να πιάνουν μια γωνίτσα στο cv σου.
Δεν είναι όλες οι δουλειές του software engineer τόσο απλές και μπορούν να κοστίσουν και χρήμα και χρόνο αλλά και ζωές εαν γίνουν λάθη και ας υπάρχουν τα debugging tools . Βέβαια σε αυτό το σημείο εξαρτάται απο το κατά πόσο κάποιος θεωρεί την απώλεια μιας ζωής απο λάθος ενός άπειρου ή κακώς εκπαιδευμένου προγραμματιστή αμελητέο σε σχέση με την κακή οικονομική διαχείριση μιας εταιρίας λόγου χάρη . Και εαν θες έχω αρκετές περιπτώσεις τέτοιων περιστατικών να σου δείξω . Και αυτοί τώρα είναι και επαγγελματίες . Φαντάσου πόσο πιο άσχημο θα φαινόταν εαν με λίγο research έβρισκες οτι είχαν τελειώσει ένα οικονομικό τμήμα . Και πάλι έχεις δίκιο για τις απλές δουλειές μπορεί και κάποιος λιγότερο ειδικευμένος να της αναλάβει αλλά είναι βαρύγδουπο να πει "Εγώ είμαι X" . Αλλα για χάρη του να ξέρουμε τι κάνει η κάθε ειδικότητα και τα HR να μην έχουν λάθος αντιλήψεις . Επομένως και αυτή η εγγύηση γύρω απο το πτυχίο δεν είναι λίγη . Αλλά ακόμα και εαν θες να την αγνοήσεις όπως είπα στο παράδειγμα μου... μπορεί να μου αρέσει να βλέπω τα άστρα,δεν με κάνει αστρονόμο ούτε σημαίνει οτι ξέρω καλά την επιστήμη της αστρονομίας . Απο εκεί και πέρα στα πλαίσια μιας επιχείρησης δήλωσε οτι γουστάρεις,δήλωσε και Kepler , αλλά ας μην λέμε οτι θέλουμε .
Samael
Τιμώμενο Μέλος
Ο Samael αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Φοιτητής του τμήματος Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών ΠΑΔΑ και μας γράφει απο Πειραιάς (Αττική). Έχει γράψει 10,262 μηνύματα.
09-05-20
22:15
ποια είναι η κατάλληλη προπτυχιακή εκπαίδευση; η python; το spss; το excel; η αναπαράσταση δεδομένων;
ironically enough το πιο γνωστό data science μεταπτυχιακό της χώρας που είναι της ΑΣΟΕΕ υπάγεται στο τμήμα ΔΕΤ και απαρτίζεται κατά κόρον από δετάριους, κάτι λέει αυτό. κατά τ' άλλα ξέρω άτομα που κάνουν τέτοια μεταπτυχιακά με προπτυχιακό βιολογίας...
Ακόμη και στο πιο hardcore level του και εξαιρώντας τους big data guys ο κώδικας που θα γράψει ένας data scientist δεν είναι τραγικός, δεν μιλάμε για software engineers με την κλασική έννοια glue code σε python και παιχνίδι με 3-4 libraries με έτοιμους αλγόριθμους, η δυσκολία και το technical expertise βρίσκεται αλλού.
Κατά τ' άλλα επεξεργασία δεδομένων μπορείς να κάνεις και στο excel και στην πλειονότητα των περιπτώσεων μιλάμε για μονοπάτια των BI, sql reports klp. Μη φανταστεί κανείς πως θα πάει σε καμιά εταιρεία της σειράς και θα τον βάλουν να κάνει deep learning.
Εαν μιλάμε για σωστή εκπαίδευση : Πρόκειται για άνθρωπο που έχει γερά θεμέλια σε στατιστική , γραμμική άλγεβρα , βελτιστοποίηση , λογισμό πινάκων ,μετασχηματισμούς , θεωρία αλγορίθμων , υπολογιστική πολυπλοκότητα, δίκτυα,βάσεις δεδομένων , τεχνητή νοημοσύνη , θεωρία επεξεργασίας σήματος, κάποια στοιχεία αρχιτεκτονικής υπολογιστών , θεωρία ανίχνευσης , θεωρία της πληροφορίας και κάμποσα άλλα θέματα και πεδία ανάλογα τι data χρησιμοποιείς . Π.χ. ήχος ; φωνή ; οικονομικά ; βιολογικά ; . Το καθένα προσθέτει έξτρα γνώσεις που χρειάζονται .
Δεν σημαίνει οτι εαν δεν έχεις όλα τα προηγούμενα δεν μπορείς να κάνει data related δουλειά . Απλά εαν είναι να θεωρηθείς με την βούλα data scientist που έχει εμπειρία και ευρύτερη κατανόηση του πεδίου τα προηγούμενα είναι core . Αυτό που λες επομένως το καταλαβαίνω και το αναγνωρίζω . Απλά θέλω να τονίσω οτι λανθασμένα δίνεται ο τίτλος data scientists . Που στο κάτω κάτω data science είναι η στατιστική . Και ενώ παίζει σημαντικό ρόλο δεν είναι η μοναδική κρίσιμη γνώση που έχει ένας data scientist,παίζουν και άλλες που αφορούν τεχνολογικά ζητήματα παρά θεωρητικά . Αρά γενικότερα και το data scientist είναι λίγο πολύ κακώς ορισμένο .
So επειδή ένα πανεπιστήμιο δημιουργεί μεταπτυχιακό και κοτσάρει το όνομα δεν σημαίνει απαραίτητα οτι αντιπροσωπεύουν το πεδίο οι απόφοιτοι . Είναι πολύ ευρύτερο πεδίο που δεν περιορίζεται ούτε στο software engineering αλλά ούτε και σε οικονομικά τμήματα . Προφανώς η μέση εταιρία που θέλει μια απλή ανάλυση δεδομένων δεν χρειάζεται κάποιον με τόσο καλό background αλλά δεν σημαίνει οτι σαν πεδίο δεν έχει πολύ σοβαρό υπόβαθρο πέρα απο το να γνωρίζεις απλά python,spss ή excel. Άσχετα εαν το ξέρει κανείς ή όχι επειδή του αρκούν τα όσα μαθαίνει απο εμπειρία .
Samael
Τιμώμενο Μέλος
Ο Samael αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Φοιτητής του τμήματος Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών ΠΑΔΑ και μας γράφει απο Πειραιάς (Αττική). Έχει γράψει 10,262 μηνύματα.
09-05-20
20:52
Έχω μία αίσθηση ότι μπήκαν στο παιχνίδι και οι consultants.
Μ'αυτό θέλω να πω ότι συχνά και οι consultants και οι data scientists ασχολούνται με δεδομένα προκειμένου να πάρουν αποφάσεις για business, απλά ο πρώτος δίνει ακόμα περισσότερη έμφαση στο business ενώ ο δεύτερος πιο πολύ στο data. Οι consultants μπορεί να μην έχουν καλή γνώση προγραμματισμού όπως και μαθηματικών, σε αντίθεση με τους data scientists, οι οποίοι δεν έχουν πολλές γνώσεις business.
Γενικά πάντως και στις 2 θέσεις μπορείς να δεις άτομα με διδακτορικό σε διαφορετικό αντικείμενο (έχω δει πχ. βιολόγο consultant, χημικό data scientist). Να σημειωθεί όμως ότι και οι 2 μπήκαν απευθείας σε υψηλή θέση. Ο πρώτος δεν έγινε ποτέ analyst ενώ ο 2ος δεν έγινε ποτέ junior data scientist (έκαναν όμως πρακτική ένα τρίμηνο).
Ως consultant θα μπορούσε φαντάζομαι να δουλέψει, και μάλλον σε αυτό στοχεύουν αυτά τα μεταπτυχιακά . Ως μεσάζοντας ανάμεσα σε data scientists και σε άλλους ακόμα πιο πολύ στα των επιχειρήσεων θα πρέπει όμως να είναι σε θέση να αντιληφθεί κάποια βασικά πράγματα για να επικοινωνεί άνετα με τους data scientists . Και ας είμαστε ειλικρινείς γνώση μιας γλώσσας προγραμματισμού δεν βλάπτει,ίσα ίσα μπορεί να είναι πολύ θετικό εαν όχι και υποχρεωτικό στις περισσότερες δουλειές .
Δυνητικά μπορεί να δουλέψει οποιοσδήποτε ως data scientist ,αφού πράγματι όλες οι επιστήμες χρησιμοποιούν data. Το ίδιο το internet εξάλλου ξεκίνησε απο το CERN που αφορούσε διευκόλυνση της ανταλλαγής δεδομένων των πειραμάτων της φυσικής υψηλών ενεργειών . Που είναι τελείως άσχετο με το πως το χρησιμοποιεί ο μέσος άνθρωπος στην καθημερινότητα του .
Σε αυτό το κομμάτι εννοώ οτι άλλο να ξέρεις ορισμένα κολπάκια στο κάθε πεδίο και άλλο να ξέρεις τις βασικές αρχές και τα + και - τους ώστε να τα εφαρμόζεις σε διαφορεστικές περιστάσεις αποτελεσματικά . Μπορείς να πεις οτι έχεις κάνει δουλειά που αφορά data αλλά είναι άλλο πράγμα να πεις οτι είσαι data scientist . Εγώ λόγου χάρη μπορεί να μου αρέσει να παρατηρώ τα άστρα με δικό μου προσωπικό τηλεσκόπιο,αλλά δεν με κάνει αστρονόμο. Προφανώς όμως σαν εμπειρία μετράει .
Samael
Τιμώμενο Μέλος
Ο Samael αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Φοιτητής του τμήματος Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών ΠΑΔΑ και μας γράφει απο Πειραιάς (Αττική). Έχει γράψει 10,262 μηνύματα.
09-05-20
20:16
to data science γενικά είναι umbrella term. Αυστηρά μιλώντας data scientists είναι κάτι τύποι με διδακτορικά που γράφουν μοντέλα σε python/R και συνήθως τους τσιμπάνε σε RnD μεγάλων εταιρειών, αλλά δεν έχει και πολύ νόημα να μιλάμε για τέτοια άτομα τη στιγμή που αποτελούν ένα 1% (?) του κλάδου.
Όσο πιο πολύ προσεγγίζουμε τη business πλευρά του επαγγέλματος τόσο περισσότερο μειώνονται οι ανάγκες για programming ή/και math skills και γίνεται περισσότερο value'd η όποια εμπειρία σε industry, αλλά αυτά είναι υποθέσεις δεν έχω μεγάλη επαφή με τον κλάδο.
πάντως η επαγγελματική ανέλιξη δε σχετίζεται τόσο με το τι μεταπτυχιακό θα κάνεις κατά τη γνώμη μου, ούτε θα σε κανει κανείς manager επειδή τέλειωσες και που γράφει management. Διάβασε αυτά που σου αρέσουν και μετά βλέποντας και κάνοντας. Το σημαντικό για μένα είναι να αποκτάς προϋπηρεσία νωρίς και να χεις σωστό mindset να εξελίσσεσαι.
Δεν βλέπω πως κάποιος μπορεί να θεωρηθεί οτι δουλεύει ως data scientist(που δεν είναι εαν δεν έχει κατάλληλη προπτυχιακή εκπαίδευση but anyways) και να μην γνωρίζει έστω μια γλώσσα προγραμματισμού .
Samael
Τιμώμενο Μέλος
Ο Samael αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Φοιτητής του τμήματος Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών ΠΑΔΑ και μας γράφει απο Πειραιάς (Αττική). Έχει γράψει 10,262 μηνύματα.
09-05-20
15:52
Καλησπέρα και απο μενα.Εγώ τελειωσα το τμημα ΟΔΕ στο ΟΠΑ χωρις να παρακολουθησω μαθηματα προγραμματισμου.Μονο ενα πιστοποιητικο σε data science απο coursera εχω + καποια υποχρεωτικα μαθηματα σε excel,information systems(θεωρητικα ομως) μαζι με ποσοτικες 1,2,3 που ειχα καλη σχεση.Ακούω καλα λογια για 2 μαστερ στο Ροτερνταμ το Business Information Management και το Business Analytics & Management που ξεκιναει φετος,και τα 2 σχετικα με data science.Η απορια μου προς τον @nPb ή οποιον αλλον ξερει ειναι αν θα ηταν σκοπιμο να ακολουθησω ενα μεταπτυχιακο σε αυτο τον κλαδο ή αν θα βαλτωσω και θα επρεπε να ακολουθησω ενα πιο κλασικο quantitative msc(δε θελω κατι θεωρητικο οπως strategy,marketing)... οπως finance που ηταν η κυρια επιλογη μεχρι λιγα χρονια πριν.
(ΥΓ:Δεν εχω σαφη προτιμηση στο γνωστικο αντικειμενο απλα ακουω οτι το 1ο εχει φουλ αποκατασταση ενω το 2ο οχι τοσο πλεον) .
Τα μεταπτυχιακά αυτά δεν μου φαίνονται και πολύ σχετικά με Data science . Σίγουρα χρησιμοποιούν έννοιες του,αλλά όχι σε τόσο υψηλό επίπεδο ώστε να έχεις πρόβλημα . Απλά μάθε python & R και θα είσαι καλυμμένος πιστεύω for the most part .